原作者:金子冴
校阅:内野良一
翻译:叶子
原文链接
目录
什么是动态规划(Dynamic Programming)
例题:用Dijkstra的方法解决最短路径问题(Python实现)
使用动态规划解决问题的步骤
参考
什么是动态规划(Dynamic Programming)
动态规划概要
动态规划是一种解题手法的总称。它通过将一个无法解决的大问题分解成复数个小问题(也叫子问题),然后在解决这些小问题的基础之上来解决原始的大问题。通过使用动态规划,我们能将一部分在多项式时间内无法解决的问题,在类似多项式的时间内求得最优解(稍后会进行说明)。
判断一个问题是否可以通过动态规划来解决的时,我们需要判断该问题是否满足可分治(分而治之)和可记忆(将阶段性成果进行缓存,便于重复利用)两个条件。首先,让我们先去理解:多项式时间、分而治之、以及记忆化(Memoization)。
什么是多项式时间,什么是多项式时间算法
多项式时间是指由多项式表示的计算时间。多项式时间算法是指当入力的大小(长度或者个数)是n的时候,计算时间(执行步数)的上限在n的多项式时间内能够表示的算法。比如,计算九九乘法表的算法的计算时间可以表示为9x9。将其扩展到nxn的时候,计算时间用大O记法来表示的话,可以表示为O(n2)。这表明该算法的计算时间的上限可以用n2来表示,因此计算nxn的乘法的算法可以说是多项式算法。
但是,在多项式时间内无法解决的问题也是存在的,比如说接下来将要说明的最短路径问题,在多项式时间内就无法解决。如下图所示的加权路线图,找一个从START开始到到达GOAL的花费最短(权重